这两年有一类内容特别火："让 ChatGPT 给我写个量化策略"——十分钟出代码，回测一跑，年化 50%、回撤 8%，曲线漂亮得像艺术品。评论区一片"AI 印钞机来了"。
然后呢？几乎所有真拿去实盘的人，都亏了钱。
这一篇讲清楚为什么。先说结论：问题从来不在代码——AI 写代码的部分是真的行；问题在代码之外的五件事，而那五件事恰恰是量化的全部难点。
AI 真的会写策略代码——这正是陷阱的入口
先把功劳给足：让 AI 写一个"20 日均线上穿 60 日均线买入、下穿卖出"的回测脚本，它几分钟就能给你能跑的代码——数据下载、指标计算、买卖逻辑、收益曲线，一条龙。放在五年前，这活儿得学几个月编程。
但注意这里发生了什么：AI 把"写策略"的门槛降到了零，却没有给你增加一分钱的"优势"（edge）。门槛消失意味着人人都能做同样的事——而人人都能做的事，在市场里恰恰最不值钱（第二层思维的老逻辑：人人可得的东西不产生超额收益）。低门槛不是礼物，是陷阱的入口。
赚不到钱的五个真正原因
原因一：过拟合——你定制了一台"历史复读机"。回测好看的最常见原因，是参数被（有意或无意地）调到和历史数据严丝合缝：为什么是 20 日均线不是 25 日？为什么止损设 7% 不是 10%？因为"试出来这个组合回测最好"。这样的策略学到的不是市场规律，是那段历史的噪音。更糟的是,AI 会放大这个问题——你对它说"帮我优化参数让回测更好看",它会非常高效地照办,等于定制了一台过拟合机器。判别的土办法:把参数各挪动 20%,如果收益大变脸,你拟合的是噪音。
原因二：回测里的四个隐形坑,AI 默认一个都不处理。①前视偏差:代码不小心用了"当时不可知"的数据(比如用收盘价决定当天开盘买入,或用后来修正过的财报数据);②幸存者偏差:数据源里只有活到今天的股票,退市归零的那些消失了——回测自动躲过了所有暴雷;③成本与滑点:回测按理想价格成交,实盘有佣金、点差、冲击成本,高频换手的策略常常"回测赚的正好是没算的成本";④数据质量:免费数据源的拆股、分红处理错误比比皆是。AI 生成的模板代码,默认全部踩坑——它写的是"能跑的代码",不是"对的实验"。
原因三：优势到底从哪来——这是最根本的一问。一个策略要长期赚钱,你必须能回答:这钱是谁"输"给你的?合理的答案只有三类:你承担了别人不愿担的风险(风险溢价)、你处理信息比市场快或深(信息优势)、你利用了别人的行为偏差(行为优势)。"均线交叉+RSI"这类公开信号,全世界的教科书写了几十年、每台电脑都在扫——它不属于三类中的任何一类。AI 没有改变这个格局:它给所有人生成的是同一批公开信号的排列组合,拥挤的信号只有衰减,没有超额。
原因四：市场状态切换(Regime Change)。任何简单策略都有它的"主场":趋势策略在 2023-24 的单边行情里如鱼得水,放到震荡年就被来回打脸(想想平台形对趋势客的绞杀);回测区间选在哪,几乎决定了结论是什么。市场的"季节"会切换(周期、钟摆,你在本站读了太多次),而静态参数的策略不会换衣服——回测证明的只是"它在那段历史里行",从来不是"它以后行"。
原因五：执行与心理——回测里没有的那部分。回测曲线上的 20% 回撤是一个数字,实盘里它是连续三个月的账户缩水、家人的眼神和"要不要停掉"的每日拷问。绝大多数人会在回撤最深处(往往也是策略要回血的前夜)手动干预、关停策略——策略没死,人先撤了。纪律问题不会因为策略是 AI 写的就消失,老规矩,它只会被杠杆和自动化放大。
AI 在量化里真正有用的三种姿势
泼完冷水说建设性的。AI 不能给你优势,但能给你效率和审计:
- 代码助手:把你自己的想法变成代码,速度提升十倍——前提是想法来自你对市场的理解(闲聊法、量价、结构……),而不是来自"帮我想个策略";
- 策略红队:让 AI 当批评者而不是创造者,这是它在量化里价值最高的用法:
Prompt 模板:"这是我的策略逻辑和回测代码。请扮演一位苛刻的量化审计员,逐条检查:①有无前视偏差(逐行指出可疑处);②有无幸存者偏差;③交易成本和滑点的假设是否现实;④参数敏感性——哪些参数改动 20% 会显著改变结果;⑤这个策略如果赚钱,钱是谁输给我的?给出最可能证伪它的三种市场环境。"
- 研究提效:数据清洗、样本外测试的框架搭建、把学术论文的思路复现成代码——这些"体力活"AI 又快又好。
发现了吗?这三种姿势的共同点是:AI 当工程师和审计员,你当策略师——和整个工作流系列的分工原则一模一样:AI 提效,人做判断。
给散户的现实建议
- 别把量化当捷径:量化不是"不用研究的投资",是"用代码执行的研究"——研究的功课(研究模板、体系)一步不能少;
- 真想玩:简单规则、小资金、长样本外测试——策略先纸面跑六个月再谈真钱,回测区间必须覆盖至少一个完整牛熊;
- 每次心动于"回测年化 50%"时,默念本文第二节的四个坑,然后把策略丢给红队 Prompt 审一遍——能活着通过审计的策略,一百个里没有几个;
- 对多数人,AI 在投资里的最优用法不是全自动印钞机,而是这个系列前六篇讲的那些:把研究做得更快、更深、更有纪律。
金豆划重点
- AI 写策略代码是真的行——但门槛归零恰恰意味着无优势,低门槛是陷阱的入口;
- 五个真正原因:过拟合(AI 是高效的过拟合机器)、回测四坑(前视/幸存者/成本/数据)、优势无来源(公开信号只有拥挤)、状态切换(回测区间决定结论)、执行心理(策略没死人先撤);
- AI 的正确姿势:代码助手、策略红队(Prompt 收好)、研究提效——AI 当工程师和审计员,你当策略师;
- 终极一问随身带:这个策略如果赚钱,钱是谁输给我的?答不出来,回测再好看也别上真钱。
本文仅为个人研究方法分享，不构成任何投资建议，市场有风险，入市需谨慎。
— 金豆
